Bizonyossági tényező az M1-ben bizonyossági faktor cf [0,100] cf=100 teljes bizonyosság cf=20 a hihetőség alsó küszöbe cf=0 teljesen elvetve

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bizonyossági tényező az M1-ben bizonyossági faktor cf [0,100] cf=100 teljes bizonyosság cf=20 a hihetőség alsó küszöbe cf=0 teljesen elvetve"

Átírás

1 1. HOGYAN ALKALMAZHATÓ SZABÁLY ALAPÚ RENDSZEREKBEN A BIZONYTALANSÁGKEZELÉS HEURISZTIKUS MODELLJE? Szabályalapú rendszerekben az ismeretek HA feltétel AKKOR következmény alakúak Bizonytalanság kezelése szabályalapú rendszerben Definiciós szabály: HA lakóhelye = Budapest AKKOR hazája = Magyarország Heurisztikus szabály: HA lakóhelye = Budapest ÉS neme=nő AKKOR cipőmérete <42 cf=80 Kalkulus cf(a and b)=min{cf(a), cf(b)} cf(a or b)=max{cf(a), cf(b)} cf (h,e) {if e then h} jelöléssel cf(h)=cf(e)*cf(h,e)/100 ha két szabály vezet ugyanarra a h hipotézisre, akkor az eredő cf(h)=(100*cf(h 1 )+100*cf(h 2 )- cf(h 1 )*cf(h 2 ))/100 Bizonyossági tényező az M1-ben bizonyossági faktor cf [0,100] cf=100 teljes bizonyosság cf=20 a hihetőség alsó küszöbe cf=0 teljesen elvetve Példa: rule-6: if fo_etel=hus and van-e_borjuhus=nincs then legjobb_szin=voros cf=90 rule-7:iffo_etel=baromfi and van-e_pulyka=nincsthenlegjobb_szin=feher cf=90 and legjobb_szin=voros cf=30 Szabály végrehajtás a rule-6 esetén legyen fo_etel=hus cf=80 és van-e_borjuhus=nincs cf=70 ebből cf(e)=min{80, 70} cf(h,e)=90 adott így a legjobb_szin=voros cf(h)=70*90/100=63 Azonos hipotézis Két szabályból legyen legjobb_szin=voros cf=80 és legjobb_szin=voros cf=60 akkor az eredő következtetés cf(h)=( )/100=92 2. DEFINIÁLJA AZ IMPLIKÁCIÓ ÉS NEGÁCIÓ MŰVELETEKET VALAMELY FUZZY LOGIKÁBAN! Fuzzy halmazelmélet Tagsági függvény: egy adott halmazhoz tartozás fokát fejezi ki egy 0,1intervallumbeli számmal. A köznapi nyelvben kissé, eléggé, meglehetôsen, nagyon, stb, módosítószavakkal fejezzük ki. Lukasiewicz fuzzy logika Gödel fuzzy logikája 3. DEFINIÁLJA A KERETALAPÚ ISMERETÁBRÁZOLÁS ALAPFOGALMAIT ÉS ÉRTELMEZZEN 3 SLOT BEJEGYZÉST! Keret alapú ismeretábrázolás: A keret valamely fogalom strukturált szimbolikus modellje; a fogalom számunkra fontos tulajdonságait egybefoglaló struktúra, amelyet a fogalom neve foglal egységbe. A tulajdonságokat (attribútumokat) a keret bejegyzései (slot) nevezik meg, amelyek megadhatják az attribútum értékét, annak alapértelmezését, forrását, az érték változásakor végrehajtandó eljárásokat, ún. démonokat, különböző meta-leírásokat és további járulékos információkat. Attribútum lehet akár egy másik keret is. Kereteket relációkkal lehet összekapcsolni. Különös szerepe van a hierarchikus kapcsolatoknak, amelyek mentén bizonyos attribútumok és azok jellemzői öröklődhetnek. Kapcsolatok: ez egy (is a) egyszeres öröklődés egyfajta (kind of) többszörös öröklődés páldánya (instance of) hasonló (similar): a koncepció bizonyos szituációkban hasonlóan viselkedik, mint egy másik koncepció 1

2 Az attribútumok tulajdonságai domain: az attribútum minden olyan előfordulására érvényes, amely a domain-ben található range: a lehetséges értékek halmaza (attribútum értékkészlet) alapértelmezés (default): korlátozás (constraint): az értékekre vonatkozó megszorítások érték inverse : pl. edző-edzett csapat/barát-barát inheritance : speciális öröklődés (vezetéknév apáról gyerekre) 4. ISMERTESSE A CÉLVEZÉRELT KÖVETKEZTETÉS ISMERETÁBRÁZOLÁSI KÖRNYEZETÉT ÉS ALGORITMUSÁT! HA feltétel AKKOR következmény A vezérlés menete Mintaillesztéssel megkeresi azokat a szabályokat, amelyek az adott stratégia szerint végrehajthatóak, és behelyezi egy végrehajtható halmazba. Kiválaszt a végrehajtható halmazból egy szabályt (egy beépített vezérlési stratégia dönt arról, hogy melyiket). Alkalmazza a kiválasztott szabályt. Ha terminálási feltétel bekövetkezett, akkor leáll, ellenben ismétlődik az elejétől. A vezérlés lehet: célvezérelt vagy adatvezérelt Célvezérelt: (hátraláncoló rendszer): Egy feltételezett célállapotból kiindulva igyekszik a cél igazolását visszavezetni a rendszer által ismert tényekre vagy korábban igazolt állításokra. Ha zsákutcába jut, akkor visszalép és új irányban próbálkozik. Célvezérelt Kevés cél Összes megoldás Kérdésre válasz Diagnosztizáló problématípus A célvezérelt következtetés ciklusa (1): 1. Célkiválasztás: A még igazolandó részcélok közül kiválaszt egyet. -1.a. Ha a részcélok halmaza üres, akkor a feladat megoldása sikeresen véget ér. -Ha a zsákutca jelzés igaz, akkor 1.b visszalépés a legutóbb feldolgozott részcélhoz. Ha a konfliktushalmaz üres és a kiindulási célnál járunk, akkor sikertelen vége, egyébként folytatás 1.b-nél. -Ha a konfliktushalmaz nem üres, akkor a 2. lépést kihagyva a 3.lépésnél folytatódik a ciklus. 2. Mintaillesztés: Kikeresi azokat a szabályokat, amelyek következményrésze illeszthető a kiválasztott részcélhoz. Ezek bekerülnek az adott részcél konfliktushalmazába. Ha a konfliktushalmaz üres, akkor a következtetés zsákutcába jutott, és zsákutca jelzéssel indul a következő ciklus az 1. lépéssel. 3. Konfliktusfeloldás: Amennyiben a konfliktushalmazban több végrehajtható szabály van, akkor kiválaszt egyet végrehajtásra. (szabályválasztási stratégia) 4. Végrehajtás, szabályalkalmazás: A kiválasztott szabály végrehajtása. Ha az adott cilusban igazolandó részcél szabály volt, akkor a részcélok közé felveszi a szabály feltételrészét (amit a 2.lépésbeni illesztés során kaptunk)(egyébként, ha tényállítás volt, akkor igazoltuk.)az aktuális részcél törlődik a részcélok halmazából, és bekerül a feldolgozott részcélok közé (verem).a konfliktushalmaz legyen üres és a zsákutca jelzés hamis. 5. Indítja a következő ciklust. 5. A SZAKÉRTŐ RENDSZEREK ÉRTÉKELÉSE, ALKALMAZÁSUK ELŐNYEI ÉS HÁTRÁNYAI. Szakértői rendszer (vásárlói szokás, szállítói megbízás) az első szó azt fejezi ki, hogy ez a célcsoport birtokosa a második szónak, azaz a szakértő számára készült rendszer. Szakértő rendszer (szállító eszköz) a második szó egy tulajdonságát írja le, azaz a rendszer képes a szakértés megvalósítására. A szakértő rendszerek előnyei: 1.Pótolják a szakértő hiányt 2.Jól követik a tárgyterület változásait 3.Növelik a szakértő képességét 4. Fokozzák a szakértő produktivitását 5. Megőrzik a szakértelmet 6. Következetes 7. Részleges, nem teljes adatokkal is tud dolgozni 8. Magyarázatot ad, indokol A szakértő rendszerek hátrányai: 1.Ismereteik egy adott szűk tárgyterületről származnak 2.Nem oldható meg teljes biztonsággal a rendszer verifikálása, validálása, és hitelesítése 3.Válaszaik nem mindig korrektek 4.Nincs hétköznapi józan eszük 5.Az ismeretszerzés bonyolult folyamat 6.A fejlesztés hosszú 2

3 7.A rendszer futási paraméterei gyakran nem kedvezőek 6. ISMERTESSE AZ ADATVEZÉRELT KÖVETKEZTETÉS ISMERETÁBRÁZOLÁSI KÖRNYEZETÉT ÉS ALGORITMUSÁT! HA feltétel AKKOR következmény A vezérlés menete Mintaillesztéssel megkeresi azokat a szabályokat, amelyek az adott stratégia szerint végrehajthatóak, és behelyezi egy végrehajtható halmazba. Kiválaszt a végrehajtható halmazból egy szabályt (egy beépített vezérlési stratégia dönt arról, hogy melyiket). Alkalmazza a kiválasztott szabályt. Ha terminálási feltétel bekövetkezett, akkor leáll, ellenben ismétlődik az elejétől. A vezérlés lehet: célvezérelt vagy adatvezérelt adatvezérelt (előreláncoló rendszer)a kezdőállapotból kiindulva szabályokat alkalmaz, mindaddig amíg a célállapotot el nem éri. Adatvezérelt Sok cél Nem az összes megoldás Új tények, állapotok Konfiguráló, monitorozó, ütemező problématípusok Az adatvezérelt következtetés ciklusa A munkamemóriába betöljük a tényeket. 1. Mintaillesztés Azok a szabályok, amelyek feltételrésze illeszthető a munkamemóriában tárolt tények valamelyikével bekerülnek a konfliktushalmazba. 2. Konfliktusfeloldás Ha a konfliktus halmaz üres, akkor sikertelenül vége.amennyiben a konfliktushalmazban több végrehajtható szabály van, akkor kiválaszt egyet végrehajtásra. (szabályválasztási stratégia) 3. Végrehajtás, szabályalkalmazás A kiválasztott szabály végrehajtása. Ha a célt megfogalmazó terminálási feltétel teljesül, akkor sikeresen vége. 4. A konfliktushalmaz legyen üres. Indítja a következő ciklust. 7. AZ ESET-ALAPÚ KÖVETKEZTETŐ RENDSZER ÉLETCIKLUSA. 8. AZ ISMERETALAPÚ RENDSZEREK ÉS A HAGYOMÁNYOS PROGRAMOZÁSI TECHNIKÁK ÖSSZEVETÉSE, KÜLÖNBSÉGEK A JELLEMZŐIKBEN. Az Ismeret alapú rendszerek(kbs - knowledge Based Systems) a problématerületet explicit módon leíró ismereteket a rendszer többi részétől elkülönített komponensben, az ismeretbázisban tárolják. Ezek esetében a feladatmegoldás nem előre beprogramozott megoldási utakra felfűzött algoritmusok révén, hanem a következtetési módszereket realizáló következtető gép által, az ismeretbázisból kiválasztott ismeretdarabkák végrehajtásával megy végbe. Jellemző a szimbolikus ábrázolás. Az ismeret alapú rendszerek közül azokat, amelyek szakértői ismeretek felhasználásával magas szintű teljesítményt nyújtanak egy szűk problémakör kezelésében, szakértő rendszereknek (ES - expert systems) nevezzük. Ismeretszerzés, ismeretábrázolás, következtetési stratégia. 3

4 9. AZ ISMERETSZERZÉS FOLYAMATA ÉS MÓDSZEREI. A rendszerépítő tudásmérnök és a tárgyterületi szakértő közötti, a szakértői ismeretek megszerzését célzó együttműködés. A tudásmegszerzés módszerei Közvetlen (emberi segédlettel) Automatikus módszerek Közvetlen (emberi segédlettel) direkt Interjú(spontán, félig strukturált, kötött) Kommentálás Visszajelzés Jegyzőkönyvelemzés Lépcsőző technikák Mátrix alapú technikák protokoll elemzés közvetlen megfigyelés a fogalmak hierarchikus elrendezése, osztályozás indirekt: a tudásmérnök pszichológiailag átgondolt feladatok elé állítja a szakértőt, hogy annak rejtett, nem tudatosult tudására, annak szerveződésére következtessen. Automatikus módszerek adatbányászat adatbázisok elemzése ok-okozati összefüggések A tudásbeszerzés folyamata Strukturálatlan, spontán interjú a szakértővel Az elkészített interjú anyagok elemzése Félig strukturált interjú a szakértővel Az interjú anyag elemzése A megszerzett tudás ábrázolása Az eredmények feldolgozása a szakértő bevonásával (lépcsőző technikák, kommentálás, megfigyelés, kártyaválogatás ) A fenti eljárássorozat ismétlése egészen addig, amíg mind a tudásmérnök, mind a szakértő elégedett az eredménnyel Az ismeretek validálása más tárgyköri szakértők bevonásával. 10. BIZONYTALANSÁGKEZELÉS ÉS MÓDSZEREI A SZAKÉRTŐ RENDSZEREKBEN. A bizonytalanságkezelés: hiányos nem teljesen megbízható pontos lenne, de a reprezentáló nyelv nem elég precíz ellentmondásos A bizonytalanságkezelés módszereinek, modelljeinek osztályozása Numerikus modellek (megbízhatósági szám + kalkulus): klasszikus valség.szám.(bayes módszer) Szimbolikus modellek (hiányzó elemek helyett feltételezések): nem monoton logikák, fuzzy logika. Heurisztikus módszerek: bizonytalansági tényező 4

5 11. DEFINIÁLJA A FOGALMI HIERARCHIÁT! 12. KONSTRUKTOROK INTERPRETÁCIÓJA A LEÍRÓ LOGIKÁKBAN 5

6 13. KÖVETKEZTETÉSI ELJÁRÁSOK A SZEMANTIKUS HÁLÓKBAN A szemantikus hálóban alkalmazott következtetés a mintaillesztés. 14. KÖVETKEZTETÉSI TECHNIKÁK OSZTÁLYOZÁSA A SZAKÉRTŐ RENDSZEREKBEN 6

7 16. ADJON PÉLDÁT LEÍRÓ TUDÁSBÁZISRA! Tudásbázis (KB, knowledge base) = T-doboz (TBox) + A- doboz (ABox) 15. LEÍRÓ LOGIKÁK FOGALMA. T-doboz = terminológiai doboz = terminológiai axiómák halmazaza fogalmakról (és szerepekről) szóló állítások (az anya, aki nőnemű és van gyereke) A-doboz = adatdoboz = adataxiómák halmaza: tudásunk az objektumokról (Éva anya) Következtetések: T-doboz: egy fogalomleírás kielégíthető annak megállapítása, hogy az egyik fogalom egy másik általánosítása (fogalom-hierarchia), Következtetések: A-doboz: egy objektum egy fogalom példánya egy fogalomleírást kielégítő objektumok, ellentmondások felfedezése 7

Szakértői rendszerek bemutatása. Haindrich Henrietta

Szakértői rendszerek bemutatása. Haindrich Henrietta Szakértői rendszerek bemutatása Haindrich Henrietta Mi a szakértő rendszer? Ismeretalapú rendszer (KBS:Knowledge-Based System): a rendelkezésére álló információkból bizonyos keresési stratégia szerint

Részletesebben

Dr. Bognár Katalin 2010.

Dr. Bognár Katalin 2010. 1 Tudásalapú rendszerek és technológiák Dr. Bognár Katalin 2010. 2 Contents I Fogalmi háttér 9 1 Bevezetés 11 2 Mesterséges Intelligencia háttér 15 2.1 Intelligencia és intelligens viselkedés............

Részletesebben

VII. Keretalapú ismeretábrázolás

VII. Keretalapú ismeretábrázolás Collins és Quillian kísérlete VII. Keretalapú ismeretábrázolás Tud-e a kanári énekelni? 1.3 mp Képes-e a kanári? 1.4 mp Van-e a kanárinak bőre? 1.5 mp A kanári egy kanári? 1.0 mp A kanári egy madár? 1.2

Részletesebben

matematikus-informatikus szemével

matematikus-informatikus szemével Ontológiák egy matematikus-informatikus szemével Szeredi Péter Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tanszék ➀ Mi az ontológia, mire jó, hogyan csináljuk?

Részletesebben

Ismeretalapú rendszerek tervezése, ismeretszerzés, ismeretalapú rendszerek fejlesztése

Ismeretalapú rendszerek tervezése, ismeretszerzés, ismeretalapú rendszerek fejlesztése Ismeretalapú rendszerek tervezése, ismeretszerzés, ismeretalapú rendszerek fejlesztése Takács Eszter Magdolna DFSVDK Mesterséges intelligencia, szakértői rendszerek VEMISAM254M Utolsó módosítás: 2013.

Részletesebben

MYCIN. Szakértői rendszer

MYCIN. Szakértői rendszer MYCIN Szakértői rendszer Általában mycin: gombafajból nyert antibiotikum (görög) Pl: kanamycin, tobramycin, streptomycin, stb Általában szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását

Részletesebben

Interaktív, grafikus környezet. Magasszintû alkalmazási nyelv (KAL) Integrált grafikus interface könyvtár. Intelligens kapcsolat más szoftverekkel

Interaktív, grafikus környezet. Magasszintû alkalmazási nyelv (KAL) Integrált grafikus interface könyvtár. Intelligens kapcsolat más szoftverekkel Készítette: Szabó Gábor, 1996 Az Az IntelliCorp IntelliCorp stratégiája: stratégiája: Kifinomult, Kifinomult, objektum-orientált objektum-orientált környezetet környezetet biztosít biztosít tervezéséhez,

Részletesebben

Ismeretalapú modellezés XI. Leíró logikák

Ismeretalapú modellezés XI. Leíró logikák XI. Leíró logikák 1 eddig volt nyílt internetes rendszerekben miért van szükség ismeretalapú re ontológia készítés kérdései ontológiák jellemzői milyen ontológiák vannak most jön mai internetes ontológiák

Részletesebben

Dunaújvárosi Főiskola Informatikai Intézet

Dunaújvárosi Főiskola Informatikai Intézet Dunaújvárosi Főiskola Informatikai Intézet Tudásalapú rendszerek Dr. Seebauer Márta főiskolai tanár seebauer.marta@szgti.bmf.hu Tudás fogalma Tudás a valós világ tükröződése az emberi tudatban, amelynek

Részletesebben

Dunaújvárosi Főiskola Informatikai Intézet

Dunaújvárosi Főiskola Informatikai Intézet Dunaújvárosi Főiskola Informatikai Intézet Bizonytalanságkezelés Dr. Seebauer Márta főiskolai tanár seebauer.marta@szgti.bmf.hu Bizonytalan tudás forrása A klasszikus logikában a kijelentések vagy igazak

Részletesebben

Ontológiák, 2. Leíró logikák. Kooperáció és intelligencia, DT-MT, BME-MIT

Ontológiák, 2. Leíró logikák. Kooperáció és intelligencia, DT-MT, BME-MIT Ontológiák, 2. Leíró logikák Célkitűzés egy jó logikai apparátus kategóriák, nem az a lényeges, hogy objektumokból állnak, amiket változókkal kellene követni (kvantor nem kell) lényeges a hierarchia, öröklődés,

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek

Részletesebben

Intelligens Rendszerek Elmélete. Tudásalapú technikák Szakértői és döntéstámogató rendszerek

Intelligens Rendszerek Elmélete. Tudásalapú technikák Szakértői és döntéstámogató rendszerek Intelligens Rendszerek Elmélete Dr. Kutor László Tudásalapú technikák Szakértői és döntéstámogató rendszerek http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 6/1 A megadott

Részletesebben

Leíró Logikai Programozás

Leíró Logikai Programozás DLP I.-1 Leíró Logikai Programozás Szeredi Péter szeredi@cs.bme.hu Lukácsy Gergely lukacsy@cs.bme.hu BME Számítástudományi és Információelméleti Tanszék 2006. október 17. Leíró Logika+ Logikai Programozás

Részletesebben

Bánsághi Anna anna.bansaghi@mamikon.net. 2014 Bánsághi Anna 1 of 31

Bánsághi Anna anna.bansaghi@mamikon.net. 2014 Bánsághi Anna 1 of 31 IMPERATÍV PROGRAMOZÁS Bánsághi Anna anna.bansaghi@mamikon.net 9. ELŐADÁS - OOP TERVEZÉS 2014 Bánsághi Anna 1 of 31 TEMATIKA I. ALAPFOGALMAK, TUDOMÁNYTÖRTÉNET II. IMPERATÍV PROGRAMOZÁS Imperatív paradigma

Részletesebben

Contents. 1 Bevezetés 11

Contents. 1 Bevezetés 11 2 Contents I Fogalmi háttér 9 1 Bevezetés 11 2 Mesterséges Intelligencia háttér 15 2.1 Intelligencia és intelligens viselkedés............ 15 2.2 Turing teszt......................... 16 2.3 Az emberi

Részletesebben

12.3. Az automatizált technológiai tervezés módszerei A variáns módszer

12.3. Az automatizált technológiai tervezés módszerei A variáns módszer 12.3. Az automatizált technológiai tervezés módszerei A technológiai tudás és a tervezési feladat egymáshoz rendeltetését, a feladatok típusait, a tervezési műveleteket, a megoldások környezetfüggőségét

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363 1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 94/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák

Részletesebben

Bevezetés az informatikába

Bevezetés az informatikába Bevezetés az informatikába 6. előadás Dr. Istenes Zoltán Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék Matematikus BSc - I. félév / 2008 / Budapest Dr.

Részletesebben

Szabályalapú rendszerek

Szabályalapú rendszerek Szabályalapú rendszerek 1 Szabályalapú rendszerek alapelvei A szabályalapú rendszerek hatékony eszközt biztosítanak nehezen algoritmizálható problémák megoldásához. Előnyös tulajdonságai miatt elterjedten

Részletesebben

Nagyméretű adathalmazok kezelése (BMEVISZM144) Reinhardt Gábor április 5.

Nagyméretű adathalmazok kezelése (BMEVISZM144) Reinhardt Gábor április 5. Asszociációs szabályok Budapesti Műszaki- és Gazdaságtudományi Egyetem 2012. április 5. Tartalom 1 2 3 4 5 6 7 ismétlés A feladat Gyakran együtt vásárolt termékek meghatározása Tanultunk rá hatékony algoritmusokat

Részletesebben

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával

Részletesebben

A F u z z y C L I P S a l a p j a i

A F u z z y C L I P S a l a p j a i A F u z z y C L I P S a l a p j a i A CLIPS rendszer bovítése a bizonytalan információk hatékony kezelése céljából. K é t f é l e b i z o n y t a l a n s á g t á m o g a t á s a : Pontosan nem megfogalmazható

Részletesebben

Bevezetés a Drools üzleti szabály motor használatába

Bevezetés a Drools üzleti szabály motor használatába Debreceni Egyetem Informatikai Kar Bevezetés a Drools üzleti szabály motor használatába Szakdolgozat Készítette: Mezei Tamás programozó matematikus Témavezetı: Dr. Kuki Attila egyetemi adjunktus Debrecen

Részletesebben

Mérési segédlet Szabályalapú rendszerek

Mérési segédlet Szabályalapú rendszerek Mérési segédlet Szabályalapú rendszerek 1 Szabályalapú rendszerek alapelvei A szabályalapú rendszerek hatékony eszközt biztosítanak nehezen algoritmizálható problémák megoldásához. Előnyös tulajdonságai

Részletesebben

Algoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás

Algoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás Algoritmusok Tervezése Fuzzy rendszerek Dr. Bécsi Tamás Bevezetés Mese a homokkupacról és a hidegről és a hegyekről Bevezetés, Fuzzy történet Két értékű logika, Boole algebra Háromértékű logika n értékű

Részletesebben

CLIPS (C Language Integrated Production System)

CLIPS (C Language Integrated Production System) CLIPS (C Language Integrated Production System) I. ALAPVETŐ TULAJDONSÁGAI szakértői rendszer fejlesztő eszköz (shell) 80-as évek közepe, NASA 1. prototípus 1985-ben (~ 2 hónap alatt), fejlesztések, bővítések

Részletesebben

Logika és informatikai alkalmazásai kiskérdések február Mikor mondjuk, hogy az F formula a G-nek részformulája?

Logika és informatikai alkalmazásai kiskérdések február Mikor mondjuk, hogy az F formula a G-nek részformulája? ,,Alap kiskérdések Logika és informatikai alkalmazásai kiskérdések 2012. február 19. 1. Hogy hívjuk a 0 aritású függvényjeleket? 2. Definiálja a termek halmazát. 3. Definiálja a formulák halmazát. 4. Definiálja,

Részletesebben

Név: Neptun kód: április

Név: Neptun kód: április Név: Neptun kód:.. 2019. április 2. 8.15-9.15 Integrációs és ellenőrzési technikák zárthelyi Rendelkezésre álló idő: 60 perc ZH maximális pontszám: 40 + 8 IMSC pont Megfelelt szint: 16 pont Teszt kérdések

Részletesebben

A szemantikus világháló oktatása

A szemantikus világháló oktatása A szemantikus világháló oktatása Szeredi Péter Lukácsy Gergely Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tanszék ➀ A szemantikus világháló... c. tárgy ➁ A tananyag

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Tudásbázis építése Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade A tudásbázis építése

Részletesebben

AZ INFORMATIKA LOGIKAI ALAPJAI

AZ INFORMATIKA LOGIKAI ALAPJAI AZ INFORMATIKA LOGIKAI ALAPJAI Előadó: Dr. Mihálydeák Tamás Sándor Gyakorlatvezető: Kovács Zita 2017/2018. I. félév 4. gyakorlat Interpretáció A ϱ függvényt az L (0) = LC, Con, Form nulladrendű nyelv egy

Részletesebben

A Szemantikus világháló alapjai

A Szemantikus világháló alapjai A Szemantikus világháló alapjai Szeredi Péter Lukácsy Gergely Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tanszék ➀ A szemantikus világhálóról általában ➁ Matematikai

Részletesebben

- Adat, információ, tudás definíciói, összefüggéseik reprezentációtípusok Részletesebben a téma az AI alapjai című tárgyban

- Adat, információ, tudás definíciói, összefüggéseik reprezentációtípusok Részletesebben a téma az AI alapjai című tárgyban I. Intelligens tervezőrendszerek - Adat, információ, tudás definíciói, összefüggéseik reprezentációtípusok Részletesebben a téma az AI alapjai című tárgyban Adat = struktúrálatlan tények, amelyek tárolhatók,

Részletesebben

modell, amiben csak bináris sok-egy kapcsolatok (link, memberowner,

modell, amiben csak bináris sok-egy kapcsolatok (link, memberowner, Informatika szigorlat 10-es tétel: Adatmodellezés Adatmodellezésnek azt az absztrakciós folyamatot nevezzük, amelyben a valós (mikró)világ tényeit, valamint a tények közötti kapcsolatokat tükröző adatokat,

Részletesebben

Intelligens irányítások

Intelligens irányítások Intelligens irányítások Fuzzy következtető rendszerek Ballagi Áron Széchenyi István Egyetem Automatizálási Tsz. 1 Fuzzy következtető rendszer Fuzzy következtető Szabálybázis Fuzzifikáló Defuzzifikáló 2

Részletesebben

Algoritmizálás, adatmodellezés tanítása 6. előadás

Algoritmizálás, adatmodellezés tanítása 6. előadás Algoritmizálás, adatmodellezés tanítása 6. előadás Tesztelési módszerek statikus tesztelés kódellenőrzés szintaktikus ellenőrzés szemantikus ellenőrzés dinamikus tesztelés fekete doboz módszerek fehér

Részletesebben

Parametrikus tervezés

Parametrikus tervezés 2012.03.31. Statikus modell Dinamikus modell Parametrikus tervezés Módosítások a tervezés folyamán Konstrukciós variánsok (termékcsaládok) Parametrikus Modell Parametrikus tervezés Paraméterek (változók

Részletesebben

Logika es sz am ıt aselm elet I. r esz Logika 1/36

Logika es sz am ıt aselm elet I. r esz Logika 1/36 1/36 Logika és számításelmélet I. rész Logika 2/36 Elérhetőségek Tejfel Máté Déli épület, 2.606 matej@inf.elte.hu http://matej.web.elte.hu Tankönyv 3/36 Tartalom 4/36 Bevezető fogalmak Ítéletlogika Ítéletlogika

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az

Részletesebben

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január Osztott jáva programok automatikus tesztelése Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január Osztott alkalmazások Automatikus tesztelés Tesztelés heurisztikus zaj keltés Tesztelés genetikus

Részletesebben

9. előadás. Programozás-elmélet. Programozási tételek Elemi prog. Sorozatszámítás Eldöntés Kiválasztás Lin. keresés Megszámolás Maximum.

9. előadás. Programozás-elmélet. Programozási tételek Elemi prog. Sorozatszámítás Eldöntés Kiválasztás Lin. keresés Megszámolás Maximum. Programozási tételek Programozási feladatok megoldásakor a top-down (strukturált) programtervezés esetén három vezérlési szerkezetet használunk: - szekvencia - elágazás - ciklus Eddig megismertük az alábbi

Részletesebben

Intelligens Rendszerek Elmélete

Intelligens Rendszerek Elmélete Intelligens Rendszerek Elmélete 9 IRE 8/30/1 Tudásalapú technikák, szakértői és döntéstámogató rendszerek http://uni-obuda.hu/users/kutor/ IRE 8/30/2 Tudásalapú rendszerek Olyan számítógépes rendszerek,

Részletesebben

OOP. Alapelvek Elek Tibor

OOP. Alapelvek Elek Tibor OOP Alapelvek Elek Tibor OOP szemlélet Az OOP szemlélete szerint: a valóságot objektumok halmazaként tekintjük. Ezen objektumok egymással kapcsolatban vannak és együttműködnek. Program készítés: Absztrakciós

Részletesebben

5. Gyakorlat. 5.1 Hálós adatbázis modell műveleti része. NDQL, hálós lekérdező nyelv:

5. Gyakorlat. 5.1 Hálós adatbázis modell műveleti része. NDQL, hálós lekérdező nyelv: 5. Gyakorlat 5.1 Hálós adatbázis modell műveleti része NDQL, hálós lekérdező nyelv: A lekérdezés navigációs jellegű, vagyis a lekérdezés megfogalmazása során azt kell meghatározni, hogy milyen irányban

Részletesebben

Szakterületi modell A fogalmak megjelenítése. 9. fejezet Applying UML and Patterns Craig Larman

Szakterületi modell A fogalmak megjelenítése. 9. fejezet Applying UML and Patterns Craig Larman Szakterületi modell A fogalmak megjelenítése 9. fejezet Applying UML and Patterns Craig Larman 1 Néhány megjegyzés a diagramokhoz Ez a tárgy a rendszer elemzésről és modellezésről szól. Noha például egy

Részletesebben

Intelligens Rendszerek Elmélete

Intelligens Rendszerek Elmélete Intelligens Rendszerek Elmélete 8 Tudásalapú technikák, szakértői és döntéstámogató rendszerek http://uni-obuda.hu/users/kutor/ IRE 8/30/1 IRE 8/30/2 A TUDÁS ELVE Tudásalapú rendszerek A feladatmegoldás

Részletesebben

Logikai ágensek. Mesterséges intelligencia március 21.

Logikai ágensek. Mesterséges intelligencia március 21. Logikai ágensek Mesterséges intelligencia 2014. március 21. Bevezetés Eddigi példák tudásra: állapotok halmaza, lehetséges operátorok, ezek költségei, heurisztikák Feltételezés: a világ (lehetséges állapotok

Részletesebben

Legyen Ön is milliomos, kedves Számítógép!

Legyen Ön is milliomos, kedves Számítógép! MI-1 Szeredi Péter szeredi@cs.bme.hu BME Számítástudományi és Információelméleti Tanszék NJSZT Mesterséges Intelligencia Szakosztály 2011. május 27. A gép és az ember vetélkedője MI-2 A vetélkedő: Jeopardy

Részletesebben

Cselekvési tervek generálása. Máté Annamária

Cselekvési tervek generálása. Máté Annamária Cselekvési tervek generálása Máté Annamária Tartalom Általánosan a cselekvés tervezésről Értelmezés, megközelítés Klasszikus modellek Mint keresés Mint logikai következtetés Alapvető feltevések és fogalmak

Részletesebben

Matematikai logika és halmazelmélet

Matematikai logika és halmazelmélet Matematikai logika és halmazelmélet Wettl Ferenc előadása alapján 2015-09-07 Wettl Ferenc előadása alapján Matematikai logika és halmazelmélet 2015-09-07 1 / 21 Tartalom 1 Matematikai kijelentések szerkezete

Részletesebben

Hardver és szoftver rendszerek verifikációja Röviden megválaszolható kérdések

Hardver és szoftver rendszerek verifikációja Röviden megválaszolható kérdések Hardver és szoftver rendszerek verifikációja Röviden megválaszolható kérdések 1. Az informatikai rendszereknél mit ellenőriznek validációnál és mit verifikációnál? 2. A szoftver verifikációs technikák

Részletesebben

V. Bizonytalanságkezelés

V. Bizonytalanságkezelés Bizonytalanság forrásai V. Bizonytalanságkezelés Hiányzó adat mellett történő következtetés Mi lehet a páciens betegsége? Bizonytalan adatra épülő következtetés objektív Pontatlan műszerek pontatlan leolvasása:

Részletesebben

Térinformatikai algoritmusok Elemi algoritmusok

Térinformatikai algoritmusok Elemi algoritmusok Cserép Máté Analóg programozásnak nevezzük azt, amikor egy feladat megoldásához egy már ismert és megoldott feladat megoldását használjuk fel. Általában nem pontosan ugyanazt a feladatot oldottuk meg korábban,

Részletesebben

ÍTÉLETKALKULUS (NULLADRENDŰ LOGIKA)

ÍTÉLETKALKULUS (NULLADRENDŰ LOGIKA) ÍTÉLETKALKULUS SZINTAXIS ÍTÉLETKALKULUS (NULLADRENDŰ LOGIKA) jelkészlet elválasztó jelek: ( ) logikai műveleti jelek: ítéletváltozók (logikai változók): p, q, r,... ítéletkonstansok: T, F szintaxis szabályai

Részletesebben

A logikai következmény

A logikai következmény Logika 3 A logikai következmény A logika egyik feladata: helyes következtetési sémák kialakítása. Példa következtetésekre : Minden veréb madár. Minden madár gerinces. Minden veréb gerinces 1.Feltétel 2.Feltétel

Részletesebben

Objektum orientált programozás Bevezetés

Objektum orientált programozás Bevezetés Objektum orientált programozás Bevezetés Miskolci Egyetem Általános Informatikai Tanszék Utolsó módosítás: 2008. 03. 04. OOPALAP / 1 A program készítés Absztrakciós folyamat, amelyben a valós világban

Részletesebben

BASH script programozás II. Vezérlési szerkezetek

BASH script programozás II. Vezérlési szerkezetek 06 BASH script programozás II. Vezérlési szerkezetek Emlékeztető Jelölésbeli különbség van parancs végrehajtása és a parancs kimenetére való hivatkozás között PARANCS $(PARANCS) Jelölésbeli különbség van

Részletesebben

4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI 4. Fuzzy relációk Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Klasszikus relációk Halmazok Descartes-szorzata Relációk 2 Fuzzy relációk Fuzzy relációk véges alaphalmazok

Részletesebben

Absztrakció. Objektum orientált programozás Bevezetés. Általános Informatikai Tanszék Utolsó módosítás:

Absztrakció. Objektum orientált programozás Bevezetés. Általános Informatikai Tanszék Utolsó módosítás: Objektum orientált programozás Bevezetés Miskolci Egyetem Általános Informatikai Tanszék Utolsó módosítás: 2008. 03. 04. OOPALAP / 1 A program készítés Absztrakciós folyamat, amelyben a valós világban

Részletesebben

1. Alapfogalmak Algoritmus Számítási probléma Specifikáció Algoritmusok futási ideje

1. Alapfogalmak Algoritmus Számítási probléma Specifikáció Algoritmusok futási ideje 1. Alapfogalmak 1.1. Algoritmus Az algoritmus olyan elemi műveletekből kompozíciós szabályok szerint felépített összetett művelet, amelyet megadott feltételt teljesítő bemeneti adatra végrehajtva, a megkívánt

Részletesebben

Magas szintű adatmodellek Egyed/kapcsolat modell I.

Magas szintű adatmodellek Egyed/kapcsolat modell I. Magas szintű adatmodellek Egyed/kapcsolat modell I. Ullman-Widom: Adatbázisrendszerek. Alapvetés. 4.fejezet Magas szintű adatmodellek (4.1-4.3.fej.) (köv.héten folyt.köv. 4.4-4.6.fej.) Az adatbázis modellezés

Részletesebben

HALMAZELMÉLET feladatsor 1.

HALMAZELMÉLET feladatsor 1. HALMAZELMÉLET feladatsor 1. Egy (H,, ) algebrai struktúra háló, ha (H, ) és (H, ) kommutatív félcsoport, és teljesül az ún. elnyelési tulajdonság: A, B H: A (A B) = A, A (A B) = A. A (H,, ) háló korlátos,

Részletesebben

Számítógépes döntéstámogatás. Fogalmakat is kezelni tudó számítógépes döntéstámogatás A DoctuS rendszer

Számítógépes döntéstámogatás. Fogalmakat is kezelni tudó számítógépes döntéstámogatás A DoctuS rendszer SZDT-07 p. 1/20 Számítógépes döntéstámogatás Fogalmakat is kezelni tudó számítógépes döntéstámogatás A DoctuS rendszer Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu

Részletesebben

Térinformatikai algoritmusok Elemi algoritmusok

Térinformatikai algoritmusok Elemi algoritmusok Cserép Máté 2016. szeptember 14. Analóg programozásnak nevezzük azt, amikor egy feladat megoldásához egy már ismert és megoldott feladat megoldását használjuk fel. Általában nem pontosan ugyanazt a feladatot

Részletesebben

Termék modell. Definíció:

Termék modell. Definíció: Definíció: Termék modell Összetett, többfunkciós, integrált modell (számítógépes reprezentáció) amely leír egy műszaki objektumot annak különböző életfázis szakaszaiban: tervezés, gyártás, szerelés, szervízelés,

Részletesebben

Hatékony keresés a szemantikus világhálón

Hatékony keresés a szemantikus világhálón Hatékony keresés a szemantikus világhálón Lukácsy Gergely Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Magyarországi Web Konferencia 2008 W3C szekció Lukácsy

Részletesebben

ADATBÁZIS-KEZELÉS. Relációs modell

ADATBÁZIS-KEZELÉS. Relációs modell ADATBÁZIS-KEZELÉS Relációs modell Relációséma neve attribútumok ORSZÁGOK Azon Ország Terület Lakosság Főváros Földrész 131 Magyarország 93036 10041000 Budapest Európa 3 Algéria 2381740 33769669 Algír Afrika

Részletesebben

Amortizációs költségelemzés

Amortizációs költségelemzés Amortizációs költségelemzés Amennyiben műveleteknek egy M 1,...,M m sorozatának a futási idejét akarjuk meghatározni, akkor egy lehetőség, hogy külön-külön minden egyes művelet futási idejét kifejezzük

Részletesebben

Szoftver-mérés. Szoftver metrikák. Szoftver mérés

Szoftver-mérés. Szoftver metrikák. Szoftver mérés Szoftver-mérés Szoftver metrikák Szoftver mérés Szoftver jellemz! megadása numerikus értékkel Technikák, termékek, folyamatok objektív összehasonlítása Mér! szoftverek, programok CASE eszközök Kevés szabványos

Részletesebben

Adatelemzés és adatbányászat MSc

Adatelemzés és adatbányászat MSc Adatelemzés és adatbányászat MSc 12. téma Klaszterezési módszerek Klaszterezés célja Adott az objektumok, tulajdonságaik együttese. Az objektumok között hasonlóságot és különbözőséget fedezhetünk fel.

Részletesebben

Adatszerkezetek és algoritmusok

Adatszerkezetek és algoritmusok 2009. november 13. Ismétlés El z órai anyagok áttekintése Ismétlés Specikáció Típusok, kifejezések, m veletek, adatok ábrázolása, típusabsztakció Vezérlési szerkezetek Függvények, paraméterátadás, rekurziók

Részletesebben

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu

Részletesebben

HOGYAN JELEZHETŐ ELŐRE A

HOGYAN JELEZHETŐ ELŐRE A HOGYAN JELEZHETŐ ELŐRE A MUNKATÁRSAK BEVÁLÁSA? A BELSŐ ÉRTÉKELŐ KÖZPONT MÓDSZEREI ÉS S BEVÁLÁSVIZSG SVIZSGÁLATA Budapest, 2010.03.25. PSZE HR Szakmai nap Előadó: Besze Judit BÉK módszergazda. 1/28 BEVÁLÁS

Részletesebben

A szemantikus elemzés elmélete. Szemantikus elemzés (attribútum fordítási grammatikák) A szemantikus elemzés elmélete. A szemantikus elemzés elmélete

A szemantikus elemzés elmélete. Szemantikus elemzés (attribútum fordítási grammatikák) A szemantikus elemzés elmélete. A szemantikus elemzés elmélete A szemantikus elemzés elmélete Szemantikus elemzés (attribútum fordítási grammatikák) a nyelvtan szabályait kiegészítjük a szemantikus elemzés tevékenységeivel fordítási grammatikák Fordítóprogramok előadás

Részletesebben

Grafikonok automatikus elemzése

Grafikonok automatikus elemzése Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

Az alállomási kezelést támogató szakértői funkciók

Az alállomási kezelést támogató szakértői funkciók Az alállomási kezelést támogató szakértői funkciók dr. Kovács Attila Szakértői rendszerek Emberi szakértő kompetenciájával, tudásával rendelkező rendszer Jellemzői: Számítási műveletek helyett logikai

Részletesebben

Fogalmi modellezés. Ontológiák Alkalmazott modellező módszertan (UML)

Fogalmi modellezés. Ontológiák Alkalmazott modellező módszertan (UML) Fogalmi modellezés Ontológiák Alkalmazott modellező módszertan (UML) Fogalom képzés / kialakítás Cél: Példák: A fogalom képzés segít minket abban, hogy figyelmen kívül hagyjuk azt, ami lényegtelen idealizált

Részletesebben

MATEMATIK A 9. évfolyam. 2. modul: LOGIKA KÉSZÍTETTE: VIDRA GÁBOR

MATEMATIK A 9. évfolyam. 2. modul: LOGIKA KÉSZÍTETTE: VIDRA GÁBOR MATEMATIK A 9. évfolyam 2. modul: LOGIKA KÉSZÍTETTE: VIDRA GÁBOR Matematika A 9. évfolyam. 2. modul: LOGIKA Tanári útmutató 2 MODULLEÍRÁS A modul célja Időkeret Ajánlott korosztály Modulkapcsolódási pontok

Részletesebben

Halmaz: alapfogalom, bizonyos elemek (matematikai objektumok) Egy halmaz akkor adott, ha minden objektumról eldönthető, hogy

Halmaz: alapfogalom, bizonyos elemek (matematikai objektumok) Egy halmaz akkor adott, ha minden objektumról eldönthető, hogy 1. előadás: Halmazelmélet Szabó Szilárd Halmazok Halmaz: alapfogalom, bizonyos elemek (matematikai objektumok) összessége. Egy halmaz akkor adott, ha minden objektumról eldönthető, hogy hozzátartozik-e,

Részletesebben

Számítási intelligencia

Számítási intelligencia Botzheim János Számítási intelligencia Budapesti Műszaki és Gazdaságtudományi Egyetem, Mechatronika, Optika és Gépészeti Informatika Tanszék Graduate School of System Design, Tokyo Metropolitan University

Részletesebben

Változók. Mennyiség, érték (v. objektum) szimbolikus jelölése, jelentése Tulajdonságai (attribútumai):

Változók. Mennyiség, érték (v. objektum) szimbolikus jelölése, jelentése Tulajdonságai (attribútumai): Python Változók Mennyiség, érték (v. objektum) szimbolikus jelölése, jelentése Tulajdonságai (attribútumai): Név Érték Típus Memóriacím A változó értéke (esetleg más attribútuma is) a program futása alatt

Részletesebben

1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata.

1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata. 1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata. HLMZOK halmaz axiomatikus fogalom, nincs definíciója. benne van valami a halmazban szintén axiomatikus fogalom,

Részletesebben

6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK. BSc Matematika I. BGRMA1HNND, BGRMA1HNNC

6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK. BSc Matematika I. BGRMA1HNND, BGRMA1HNNC 6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK BSc Matematika I. BGRMAHNND, BGRMAHNNC A következő diákon szereplő állítások mindegyikét az előadáson fogjuk igazolni, és példákkal bőségesen

Részletesebben

Intelligens irányítások

Intelligens irányítások Intelligens irányítások Fuzzy halmazok Ballagi Áron Széchenyi István Egyetem Automatizálási Tsz. Arisztotelészi szi logika 2 Taichi Yin-Yang Yang logika 3 Hagyományos és Fuzzy halmaz Egy hagyományos halmaz

Részletesebben

Már megismert fogalmak áttekintése

Már megismert fogalmak áttekintése Interfészek szenasi.sandor@nik.bmf.hu PPT 2007/2008 tavasz http://nik.bmf.hu/ppt 1 Témakörök Polimorfizmus áttekintése Interfészek Interfészek kiterjesztése Eseménykezelési módszerek 2 Már megismert fogalmak

Részletesebben

1. előadás: Halmazelmélet, számfogalom, teljes

1. előadás: Halmazelmélet, számfogalom, teljes 1. előadás: Halmazelmélet, számfogalom, teljes indukció Szabó Szilárd Halmazok Halmaz: alapfogalom, bizonyos elemek (matematikai objektumok) összessége. Egy halmaz akkor adott, ha minden objektumról eldönthető,

Részletesebben

Java programozási nyelv 4. rész Osztályok II.

Java programozási nyelv 4. rész Osztályok II. Java programozási nyelv 4. rész Osztályok II. Nyugat-Magyarországi Egyetem Faipari Mérnöki Kar Informatikai Intézet Soós Sándor 2005. szeptember A Java programozási nyelv Soós Sándor 1/17 Tartalomjegyzék

Részletesebben

Keresések Gregorics Tibor Mesterséges intelligencia

Keresések Gregorics Tibor Mesterséges intelligencia Keresések ADAT := kezdeti érték while terminálási feltétel(adat) loop SELECT SZ FROM alkalmazható szabályok ADAT := SZ(ADAT) endloop KR vezérlési szintjei vezérlési stratégia általános modellfüggő heurisztikus

Részletesebben

Mérési struktúrák

Mérési struktúrák Mérési struktúrák 2007.02.19. 1 Mérési struktúrák A mérés művelete: a mérendő jellemző és a szimbólum halmaz közötti leképezés megvalósítása jel- és rendszerelméleti aspektus mérési folyamat: a leképezést

Részletesebben

Programfejlesztési Modellek

Programfejlesztési Modellek Programfejlesztési Modellek Programfejlesztési fázisok: Követelmények leírása (megvalósíthatósági tanulmány, funkcionális specifikáció) Specifikáció elkészítése Tervezés (vázlatos és finom) Implementáció

Részletesebben

Objektumorientált paradigma és a programfejlesztés

Objektumorientált paradigma és a programfejlesztés Objektumorientált paradigma és a programfejlesztés Vámossy Zoltán vamossy.zoltan@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Ficsor Lajos (Miskolci Egyetem) prezentációja alapján Objektumorientált

Részletesebben

Adatbázismodellek. 1. ábra Hierarchikus modell

Adatbázismodellek. 1. ábra Hierarchikus modell Eddig az adatbázisokkal általános szempontból foglalkoztunk: mire valók, milyen elemekből épülnek fel. Ennek során tisztáztuk, hogy létezik az adatbázis fogalmi modellje (adatbázisterv), amely az egyedek,

Részletesebben

OOP #1 (Bevezetés) v1.0 2003.03.07. 18:39:00. Eszterházy Károly Főiskola Információtechnológia tsz. Hernyák Zoltán adj.

OOP #1 (Bevezetés) v1.0 2003.03.07. 18:39:00. Eszterházy Károly Főiskola Információtechnológia tsz. Hernyák Zoltán adj. OOP #1 (Bevezetés) v1.0 2003.03.07. 18:39:00 Eszterházy Károly Főiskola Információtechnológia tsz. Hernyák Zoltán adj. e-mail: aroan@ektf.hu web: http://aries.ektf.hu/~aroan OOP OOP_01-1 - E jegyzet másolata

Részletesebben

FUNKCIONÁLIS PROGRAMOZÁS

FUNKCIONÁLIS PROGRAMOZÁS FUNKCIONÁLIS PROGRAMOZÁS A funkcionális programozás néhány jellemzője Funkcionális programozás 1-2 Funkcionális, más néven applikatív programozás Funkcionális = függvényalapú, függvényközpontú Applikatív

Részletesebben

Modellellenőrzés. dr. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék

Modellellenőrzés. dr. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék Modellellenőrzés dr. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék 1 Mit szeretnénk elérni? Informális vagy félformális tervek Informális követelmények Formális modell: KS, LTS, TA

Részletesebben

Alkalmazásokban. Dezsényi Csaba Ovitas Magyarország kft.

Alkalmazásokban. Dezsényi Csaba Ovitas Magyarország kft. Tudásmodellezés Kereskedelmi Alkalmazásokban Dezsényi Csaba Ovitas Magyarország kft. Tudásmenedzsment Adat -> Információ -> Tudás Intézményi tudásvagyon hatékony kezelése az üzleti célok megvalósításának

Részletesebben

1. gyakorlat. Mesterséges Intelligencia 2.

1. gyakorlat. Mesterséges Intelligencia 2. 1. gyakorlat Mesterséges Intelligencia. Elérhetőségek web: www.inf.u-szeged.hu/~gulyasg mail: gulyasg@inf.u-szeged.hu Követelmények (nem teljes) gyakorlat látogatása kötelező ZH írása a gyakorlaton elhangzott

Részletesebben